Modellezés, predikció és szimuláció a termelésoptimalizálásban

Méret: px

Mutatás kezdődik a ... oldaltól:

Download "Modellezés, predikció és szimuláció a termelésoptimalizálásban"

Henrik Orbán
8 évvel ezelőtt
Látták:

Modellezés, predikció és szimuláció a termelésoptimalizálásban Dr. Pataricza András, dr. Horváth Gábor, dr. Pataki Béla, Gáti Kristóf, Szombath István, Horváth Ákos (BME MIT) dr.

1 Modellezés, predikció és szimuláció a termelésoptimalizálásban Dr. Pataricza András, dr. Horváth Gábor, dr. Pataki Béla, Gáti Kristóf, Szombath István, Horváth Ákos (BME MIT) dr. Csertán György, Gönczy László, Varró-Gyapay Szilvia (Optxware Kft) Matisa Zoltán, Gregus Gábor, Tóth Ferenc, Veres Iván, Fajkusz Ferenc és sokan mások (IBM DSS) OptXware Kutatási-Fejlesztési Kft

Csertán György, Gönczy László, Varró-Gyapay Szilvia (Optxware Kft) Matisa Zoltán, Gregus

2 Háttér: az információs robbanás 2

3 A tárolókapacitás fejlődése exponenciális 3 Cloud, stb. várhatóan növeli az arányát

4 4 A rendelések negyedév végére összpontosulnak, a termelésnek egyenletesnek kellene lennie A TÁROLÓ IS SZEZONÁLIS TERMÉK

5 5 Szezonalitás vs. egyenletes termelés Megrendelések érkezése Termelés igénye 5

6 A megrendelési játék - részben ismert faktorok 6 Üzleti partner Stratégia Maximális profit IBM Stratégia Cégszintű forgalom Árukapcsolás (pl. komplett konfiguráció) Akció Termelés Reaktív -> Tervezett (optimalizált, prediktív) Megrendelés IBM DSS Végfelhasználó Optimális költség/haszon Zajforrások: Egyedi termék Külső faktorok Gazdasági helyzet Jogi környezet Szereplők stratégiái Részben ismeretlen Előrerendelés

komplett konfiguráció) Akció Termelés Reaktív -> Tervezett (optimalizált, prediktív) Megrendelés IBM

7 Háttérfolyamatok és célkitűzés 7 MIT? Prediktív előoptimalizálás HOGYAN? Optimalizálás

8 A rendszeralkotás fő lépései 8 Rendszermodell építés Adatstruktúra Hierarchizálás Prediktív modell kidolgozása Naplóanalízis Fenomenologikus modell Kauzális modell Matematikai modell generálása Szimuláció Szűk keresztmetszetek Érzékenységvizsgálat Optimalizálás

Naplóanalízis Fenomenologikus modell Kauzális modell Matematikai

9 9 Az aranyvasárnapi forgalom mindig kb. négyszerese a bronzvasárnapinak A DINAMIKA JÓSLÁSA: KORÁBBI RENDELÉSEK ELOSZLÁSÁNAK ÚJRAHASZNOSÍTÁSA?

10 A rendszeralkotás fő lépései 10 Rendszermodell építés Adatstruktúra Hierarchizálás Prediktív modell kidolgozása Naplóanalízis Fenomenologikus modell Kauzális modell Matematikai modell generálása Szimuláció Szűk keresztmetszetek Érzékenységvizsgálat Optimalizálás

11 11 A DINAMIKA JÓSLÁSA: MODELLEZÉSI FELADAT: rendelések időbeli alakulásának modellje? MIBŐL LEHET MODELLT ÉPÍTENI? A korábbi rendelések időbeli alakulásából (régebbi adatok)+ kiegészítő információkból (aktuális adatok) MILYEN ESZKÖZÖKKEL LEHET MODELLT ÉPÍTENI? Tanuló rendszerek, neuronhálók hibrid intelligens rendszerek

A korábbi rendelések időbeli alakulásából (régebbi adatok)+ kiegészítő

12 12 A JÓSLÓ RENDSZER Előrejelzés Kimeneti szakértő rendszer Jóslás aggregálás Vezérlés NN 1 NN 2... NN K Korrekciós tag szakértő rendszer Bemeneti adat előkészítő rendszer Korábbi rendelések időbeli alakulása Aktuális adatok

.. NN K Korrekciós tag szakértő rendszer Bemeneti adat

13 13 Akármit is árulunk, karácsonykor mindent elvisznek A DINAMIKA ÁLLANDÓSÁGA

14 Korreláció Korreláció: két sorozat hasonlóságának mértéke értéke 1, ha lineárisan függenek Autokorreláció: egy változónak a saját maga időben vagy térben különböző értékeivel vett korrelációja. 14 Az autókorreláció értéke A vizsgált jel Az a jel, amit kivágtunk és folyamatosan toljuk el 14

vagy térben különböző értékeivel vett korrelációja.

15 Megrendelési dinamika önhasonlósága 15 Hasonló negyedévek? Vizsgált szakasz autókorrelációja: 0.53 Azonos trendek a negyedéveken belül -> Modellezhető 15

16 Megrendelési dinamika nyugodt negyedév 16 Dinamika stabilitása? Ha nincs jelentős hatás (pl. új termékcsalád) 2009 Q Q3 korreláció: Nyugodt negyedévben azonos a megrendelés dinamikája -> jósolható!

új termékcsalád) 2009 Q3-2010 Q3 korreláció: 0.

17 17 A közvélemény kutatók 1000 főt megkérdezve A SOK FAKTORBÓL MIT KELL FIGYELNI ÉS MILYEN GYAKRAN?

18 A régiók hatása a megrendelésekre Regionális trendek? Kisebb régió: azonos dinamika, mint a teljes rendszer EMEA és globális megrendelések közötti korreláció: 0.99 Azonos trendek -> kisebb régiók adataiból lehet az egészre következtetni! 18 18

és globális megrendelések közötti korreláció: 0.

19 Az országok korrelációja a rendelésekkel Országok trendje? Releváns államok globális trendeket adják vissza Németország és a globális rendelések közötti korreláció: 0.82 Azonos trendek -> fontosabb országok adataiból lehet az egészre jósolni! 19 19

és a globális rendelések közötti korreláció: 0.

20 Rendelésfüggőség: modellek közti hasonlóság Generáción belüli hasonlóság A és B dobozok között R4 A dobozok és R4 B dobozok 2009 Q2 és 2010 Q4 közötti korreláció: 0.88 Azonos viselkedésűek -> arányuk ismeretében meghatározzák egymást! 20 20

B dobozok 2009 Q2 és 2010 Q4 közötti korreláció: 0.

21 Termékváltás: Generációk közti dinamika 21 Generációk hasonló trendjei Fél év eltolást felhasználva R Q2-Q4 és R Q Q1 közötti korreláció: 0.65 Különböző generációk azonos viselkedést mutatnak! 21

22 22 Egy KRESZ tanfolyamon feldolgozzák a tesztvizsga lapok ¾-ét és a próbavizsgán a maradék ¼-del ellenőrzik a tudást A PREDIKTOR MEGHATÁROZÁSA

23 23 Az NN doboz felépítése Aktuális bemenetek x(k) Korábbi rendelések T x(k) x(k-1) D L T D x(k-n) d(k-m) d(k-2) Több-bemenetű egy kimenetű neuronháló y(k) Jóslás L d(k-1)

24 A rendelések becslése 24 Dinamika jóslása? Egy negyedévre Historikus adatok 2010 Q1 rendelés becsült : 1138, valós: 1040 Közel azonos (±10%) trend és rendelés szám becsülhető! 24

25 A rendszeralkotás fő lépései 25 Rendszermodell építés Adatstruktúra Hierarchizálás Prediktív modell kidolgozása Naplóanalízis Fenomenologikus modell Kauzális modell Matematikai modell generálása Szimuláció Szűk keresztmetszetek Érzékenységvizsgálat Optimalizálás

26 Modell és valóság 26

27 Matematikai modell vs. valóság Minden modell: zárt világ Hatások, faktorok Paraméterek Érvényesség A modell bizonytalan, működésű ezen a világon kívül Nem minden fejezhető ki előre Emberi döntés Generált modellek Megoldás validációja Normál működés Peremfeltételek: Van elég anyag Minden rendelés határidőre Célfüggvény: Költségminimum Rendkívüli eset Peremfeltétel Anyaghiány Célfüggvény: 1. Minél több rendelés határidőre 2. Költségminimum 27

28 28 Mi a gazdasági jelentősége annak, ha a termelésbe matematikai optimalizálási technikákat építünk? MIT HOZHAT AZ OPTIMALIZÁLÁS?

29 Kisérlet: Ütemezés tökéletes prediktor esetén A jövőt könnyű utólag megjósolni A negyedév első napján a jövő ismert Minden egyes valódi megrendelés Induló készlet nélkül megy-e a teljes start of build gyártás? Optimális összeszerelésés tesztütemezés?

30 Optimalizálási feladat (példa) Bemenő adatok: megrendelések: termék konfiguráció, minimum és maximum szállítási határidő átlagos, illetve maximum tesztelési idő Kényszerek: a tesztcellák száma minden megrendelt egység határidőn belül Célfüggvények: MIN(az utolsó tesztelés befejezési ideje) HA(nincs a kényszereket kielégítő ütemezés) -> 1. MIN(a nem teljesített megrendelések száma) 2. MIN(késések összideje) Eredmény ütemezés szerelés/tesztelés kezdete, vége

31 IBM ILOG CP Optimizer modell 31

32 Eredmény Teszt ütemezése Modell Pontosság: Közelítő megoldás elég Optimum ± 3 óra Összes tesztidő -40% DE: tökéletes jóslás Start of build lehet CSP feladat adatai, Célfüggvény értéke / futás ideje 32

33 Érzékenységvizsgálat Optimum változása a cellák számának függvényében Relatív tolerancia: 0,001 Futási idő: 38 másodperctől 1 perc 40 másodpercig Érzékenységvizsgálat Tesztelés befejezési ideje Cellák száma Series1 33

34 34 A matematikai modell korlátos kifejezőerejű. Az eredmények validációja, what-if analízis SZIMULÁCIÓ

35 Példa folyamat tesztelési lépések 35 Kiegészítés egy létező konfigurációhoz Új gép gyártása Újrakonfigurálás

36 Szimuláció Érzékenységvizsgálat Mi történik, ha rosszul becslünk? Mik a lényeges paraméterek? Mi a hatása az egyes prediktoroknak/optimalizációs algoritmusoknak? Egyszerű, valószínűségi modell Könnyű kiértékelés, általános metrikák Kísérletek száma 2 ~ pontosság 36 Átfutási idők becslése Teljesíthető-e ennyi feladat adott idő alatt? Hol várakoznak feladatok? Mik a kritikus felatadok? Kapacitástervezés Elég-e a meglévő infrastuktúra/állomány? Mit bővítsünk?

37 Jóslás és predikció hatása 37 Néhányszor 10%-os költségmegtakarítást hozhat a predikció és az optimalizálás Hosszabb, egyenletes tesztek, tervezhetőség Tesztesetek száma csökken Egyre kevesebb erőforrás

38 Erőforrások szerepe Hogyan függ a tesztelési idő a teszt cellák számától? (adott feladatoknál) Adott tartományon belül érzékeny a rendszer az erőforrások számára Addig érdemes fejleszteni, amíg a várakozási idő az elfogadható szint alá kerül 38

39 Áteresztőképesség Milyen ütemben kell termelnie a gyárnak, hogy a határidő teljesíthető legyen? 39 Ezek a tesztek el sem indulnak határidő előtt Határidőre le nem futó tesztek Tartalék napok a félév végéig A gyár garantált napi kibocsátása (teszt input) Még tökéletes előrejelzés mellett is kritikus az egyenletes termelés

40 40 A leghatékonyabb megtakarítás, ha ésszel él az ember SMART=INTELLIGENS

41 Az intelligencia mindenütt egyforma Kulcselemek fizikai folyamat: vezérlés monitorozása Modell előzetes adatok alapján tudásalapú szabályozás Optimalizálás MIT HOGYAN 41

42 Konklúzió A rendszer szemantikus modellje kulcselem Adatelemzés Matematikai modellgenerálás SW modell A múlt tanulságaiból a jövő megjósolható A napló kincsesbánya Intelligens módszerek: megfigyelés sorozat-> tudás A való élet nem zárt modell Érzékenységvizsgálat Operator in the loop Generált matematikai modellek A matematikai analízis 10% nagyságrendű költségmegtakarítás Szűk keresztmetszetek meghatározása -> hova érdemes beruházni Persze sok megfigyelés nagy tároló igény GOTO IBM DSS 42

Hasonló dokumentumok

Számítógépvezérelt rendszerek mérnöki tervezése 2006.05.19.

Számítógépvezérelt rendszerek mérnöki tervezése 2006.05.19. 1 Bevezetés Az irányított rendszerek típusa és bonyolultsága különböző bizonyos eszközöket irányítunk másokat csak felügyelünk A lejátszódó fizikai